采样定理在1928年由美国电信工程师H.奈奎斯特首先提出来的,因此称为奈奎斯特采样定理. 1933年由苏联工程师科捷利尼科夫首次用公式严格地表述这一定理,因此在苏联文献中称为科捷利尼科夫采样定理. 1948年信息论的创始人C.E.香农对这一定理加以明确地说明并正式作为定理引用,因此在许多文献中又称为香农采样定理. 奈奎斯特采样定理解释了采样率和所测信号频率之间的关系. 阐述了采样率fs必须大于被测信号感兴趣最高频率分量的两倍. 该频率通常被称为奈奎斯特频率fN.即: 首先,我们要明确以下两点:

1. 在实际种信号是模拟连续的,但是AD采样确实离散的数字的,根据采样定理,采样频率要是模拟信号的频率2倍以上采样到的值才没问题. 2. 打开工程 unsigned ]; main() { int i; unsigned int uWork; EnableAPLL(); SDRAM_init(); InitADC(); PLL_Init(); InitCTR(); InitMcBSP(); ) { ;i<;i++ ) { ADCCTL=0x8000; // 启动AD转换,通道0 do { uWo

Nyquist–Shannon sampling theorem - Wikipedia https://en.wikipedia.org/wiki/Nyquist%E2%80%93Shannon_sampling_theorem

坐标平面上的三点,A(x1,y1),B(x1,y2),C(x2,y1),假设有概率分布 p(x,y)(P(X=x,Y=y) 联合概率),则根据联合概率与条件概率的关系,则有如下两个等式: {p(x1,y1)p(y2|x1)=p(x1)p(y1|x1)p(y2|x1)p(x1,y2)p(y1|x1)=p(x1)p(y2|x1)p(y1|x1) 因此有: p(x1,y1)⋅p(y2|x1)=p(x1,y2)⋅p(y1|x1) 对于此坐标平面上的三点而言,即为:p(A)⋅p(y2|x1)=p(B)⋅p

来源:学步园 FFT(Fast Fourier Transform,快速傅立叶变换)是离散傅立叶变换的快速算法,也是我们在数字信号处理技术中经常会提到的一个概念.在大学的理工科课程中,在完成高等数学的课程后,数字信号处理一般会作为通信电子类专业的专业基础课程进行学习,原因是其中涉及了大量的高等数学的理论推导,同时又是各类应用技术的理论基础. 关于傅立叶变换的经典著作和文章非常多,但是看到满篇的复杂公式推导和罗列,我们还是很难从直观上去理解这一复杂的概念,我想对于普通的测试工程师来说,掌握FFT的

据说FFTW(Fastest Fourier Transform in the West)是世界上最快的FFT.为了详细了解FFTW以及为编程方便,特将用户手册看了一下,并结合手册制作了以下FFTW中文参考.其中大部分是原文重点内容的翻译,并加入了一些注解. 一. 简介 先看一下使用FFTW编程的方法: #include <fftw3.h> ... { fftw_complex *in, *out; fftw_plan p; ... in = (fftw_complex*) fftw_mall

http://blog.sina.com.cn/s/blog_68f3a4510100qvp1.html 注:转载请注明出处——by author. 我们知道Fourier分析是信号处理里很重要的技术,matlab提供了强大的信号处理能力,但是有一些细节部分需要我们注意. 记信号f(t)的起始时间为t_start, 终止时间为t_end, 采样周期为t_s, 可以计算信号的持续时间Duration为 t_end – t_start, 信号离散化造成的采样点数 N = Duration/t_s +

作者:桂. 时间:2017-03-05  19:29:12 链接:http://www.cnblogs.com/xingshansi/p/6506405.html 声明:转载请注明出处,谢谢. 前言 本文为Hilbert变换分析的补充,主要介绍Hilbert变换中的端点效应,内容拟分两部分展开: 1)Gibbs现象介绍: 2)端点效应分析: 内容为自己一家之言,其中不合理的地方,希望各位告诉我,反正改不改是我的事(●'◡'●) 一.Gibbs现象 关于Gibbs的理论推导,可以参考郑君里的<信号

在电子信息系统的学习中,我们或许早就被告知现实世界是模拟的,而数字化的模拟世界则越来越展现更多的风采.但是所谓的数字和模拟只是相对的而已,你可以把模拟量当做无穷数字量的组合,也可以把数字量当做具有不同间隔特征的模拟量.这模数之间的差别也就是采样和量化的差别而已! 那么Analog如何才能走到Digital? 一.ADC几个步骤  1.采样和保持 如果把模拟信号比作无限采样点的数字信号,那么我们就需要采取其中一些有限点才能进行真正的数字化传输.采多少点?怎么采? 奈奎斯特(Nyquist)采样定理

据说FFTW(Fastest Fourier Transform in the West)是世界上最快的FFT.为了详细了解FFTW以及为编程方便,特将用户手册看了一下,并结合手册制作了以下FFTW中文参考.其中大部分是原文重点内容的翻译,并加入了一些注解. 一. 简介 先看一下使用FFTW编程的方法: #include <fftw3.h> ... { fftw_complex *in, *out; fftw_plan p; ... in = (fftw_complex*) fftw_mall

1.声音的三个主要的主观属性(即音量.音调.音色).音色(Timbre)是指不同的声音的频率表现在波形方面总是有与众不同的特性,音色的不同取决于不同的泛音.频率的高低决定声音的音调,振幅的大小决定声音的响度,音色区分不同的发声材料物体. 2.Chirp信号:线性调频信号,是指频率随时间而线性改变(增加或减少)的信号.线性调频的瞬时频率f(t)呈线性变化:f(t)=f0+kt,其中f0表示时间等于零时的频率,k表示频率改变的速率,当k>0时,频率递增,k<0则递减.主要应用:常见的包括声纳.雷达

摘要 本文通过列举历史中出现的产品,梳理了模数转换器在20世纪30年代~~20世纪80年代末的发展历史.接下来,简要介绍模数转换器的原理.技术指标.分类和未来发展方向.最后,提供了一种自制3位FLASH型ADC的方法(该方法经过了作者的测试且价格在20元以下). 参考文献 涉及到的数据手册(eyg7) Flash ADC_Chapter 13 - Digital-Analog Conversion    ZepToBars     <Analog-Digital Conversion> Cha

说明:来源http://bbs.csdn.net/topics/390899032论坛讨论 一个100HZ的正弦波,我用300HZ的采样率去采样,那么根据香农定律是不是一秒钟就采集到300个点,因为这个波形是100HZ,所以这一秒钟内就有一百个波形经过,那么300个点平均到每个波形上就只有3个点了,也就是一个波形上采集3个点, 采样率一般是Sps为单位,而不是用Hz, 例如300Sps,即300 Samples Per  Second.100Hz的正弦,用300Sps的采样率,则平均每个正弦周期

几个术语和概念: 1.       关于PCM的 PCM是Pulse code modulation的缩写,它是对波形最直接的编码方式.它在音频中的地位可能和BMP在图片中的地位有点类似吧. Sampling rate:从模拟信号到数字信号,即从连续信号到离散信号的转换都是通过离散采样完成的,Sampling rate就是每秒种采样的个数.根据香农采样定理,要保证信号不失真,Sampling rate要大于信号最高频率的两倍.我们知道人的耳朵能听到的频率范围是20hz – 20khz,所以Sam

数模转换(ADC)的应用笔记 智能时代,数字信号已体现在我们生活的方方面面,A/D,D/A是重要的基础.智能手机触摸信号需要转换为数字信号才能分辨触摸位置.数字去抖:打电话或者麦克风需要将模拟声信号转换为数字信号以便存储回放.语音识别:移动通信到4G时代,速率已经达到了300Mbps,手机和基站之间的通信是模拟电磁信号,同样需要高性能的ADC将其转化为数字信号,才能变成各位看到的电影.微博(当然没这么简单).上述三个例子是典型的三种应用场景,对应ADC的不同指标.其中速度(采样率)和精度(bit

ADC分类 直接转换模拟数字转换器(Direct-conversion ADC),或称Flash模拟数字转换器(Flash ADC) 循续渐近式模拟数字转换器(Successive approximation ADC) 跃升-比较模拟数字转换器(Ramp-compare ADC) 威尔金森模拟数字转换器(Wilkinson ADC 集成模拟数字转换器(Integrating ADC) Delta编码模拟数字转换器(Delta-encoded ADC) 管道模拟数字转换器(Pipeline ADC

有些计算机科学家的名字耳熟能详:阿兰·图灵(Alan Turing).高纳德(Donald Knuth).艾兹赫尔·戴克斯特拉(Edsger Dijkstra),这些人的名气甚至大于他们突破性的成就.阿兰图灵的影响力是如此之大,以至于他的名字永久和计算机协会(ACM)最著名的奖项(也可 以说是计算机科学中最著名的奖项)绑定在一起.在奖项的另一边,Kunth 和 Dijkstra 在算法和数据结构方面的革命也是众所周知的.这些计算机科学家变的如此有名,赢得了全球的尊重,有时甚至是盲目的崇拜.另外一

Android音频开发(1):基础知识 导读 人的说话频率基本上为300Hz~3400Hz,但是人耳朵听觉频率基本上为20Hz~20000Hz. 对于人类的语音信号而言,实际处理一般经过以下步骤: 人嘴说话-->声电转换-->抽样(模数转换)-->量化(将数字信号用适当的数值表示)-->编码(数据压缩)--> 传输(网络或者其他方式) --> 解码(数据还原)-->反抽样(数模转换)-->电声转换-->人耳听声. 抽样率 实际中,人发出的声音信号为模拟

平台简介 开发板:TQ2440 (NandFlash:256M  内存:64M) u-boot版本:u-boot-2015.04 内核版本:Linux-3.14 作者:彭东林 邮箱:pengdonglin137@163.com 摘要 这篇博客的目的是简要分析两种spi驱动的实现,一种是利用Samsung的S3C2440自带的硬件SPI控制器,另一种是利用Linux内核已经写好的用GPIO模拟SPI时序,实现一个软件SPI控制器.操作的外设是韦东山的SPI视频教程中提供的OLED模块,同时分享一下

应该这样来理解这个问题: 补0后的DFT(FFT是DFT的快速算法),实际上公式并没变,变化的只是频域项(如:补0前FFT计算得到的是m*2*pi/M处的频域值, 而补0后得到的是n*2*pi/N处的频域值), M为原DFT长度,N变成了补0后的长度.将(-pi,pi)从原来的M份变成了N份,如果将补0前后的这些频域值画在坐标上,其中m*2*pi/M和n*2*pi/N重合的部分,它所对应的频域值(变换后的值)是不变的,而在原来的M份里多了(N-M)份的分量,即在频域内多了(N-M)份插值,这样理